[机器学习] python实现 01背包、 PCA+贝叶斯分类器 、 k-means聚类

说明：学弟们加油！这是学长之前花了好久的时间写的，第1、3个实验效果还可以，第2个实验可能有点缺陷，因为写1、3实验前我每个版本都写思路了，但第2了没写，所以有点逻辑混乱，此外，我第一个实验用遗传算法解决01背包问题选择算法用的截断选择不太好，所以精英池没有设置很大，你们改进一下吧，好像第一个实验最佳的结果是2500左右，我的只有2200左右，不过还行吧，毕竟是新手之前还不会python做到这样很不错了
<LIZHEMGHONG> 在 上传 | 大小：483328

[机器学习] Module5.zip

说明：这是我们有关学习Python及其在机器学习和AI中的用途的系列文章中的第五个模块。我们只是快速浏览了一些有趣的库，让我们立即开始使用OpenCV！
<mzl87> 在 上传 | 大小：2097152

[机器学习] Module6.zip

说明：自然语言工具包（NLTK）提供了许多用于对文本内容执行自然语言处理（NLP）和机器学习分析的功能。我们将通过一个情感分析示例来演示其文本分类功能。
<mzl87> 在 上传 | 大小：2048

[机器学习] Module8.zip

说明：这是我们关于Python及其在机器学习和AI中的应用系列的第八个也是最后一个模块。在上一篇中，我们与Keras讨论了神经网络。现在，我们将快速看一下NumPy和TensorFlow。因为它们是机器学习库的构建块，所以您一定会遇到它们。如果您是企业开发人员，则不会仅使用这些库编写完整的解决方案（这需要更长的时间，而且更难维护）。对于数据科学家，专门的AI/ML工程师以及更高级别的ML库的开发人员而言，这将更多。不过，最好看一下低层库以了解它们的含义。
<mzl87> 在 上传 | 大小：1024

[机器学习] JournalHomeGrid(1).xlsx

说明：2020年6月29日科睿唯安发布了最新的SCI期刊的影响因子报告。本资源涵盖了共9000多种最新SCI期刊的影响因子报告
<GODSuner> 在 上传 | 大小：664576

[机器学习] ORB_SLAM3源码

说明：ORB_SLAM3源码，来自https://github.com/UZ-SLAMLab/ORB_SLAM3。GitHub下载非常慢。
<zhyang2017> 在 上传 | 大小：328204288

[机器学习] Cognos BI 8.3-BT种子压缩包.rar

说明：Cognos BI 8.3-BT种子压缩包，可用BT下载，无携带病毒。Cognos是在BI核心平台之上2113，以服务为导向进行架构5261，是唯一可以通过单一4102产品和在单一可靠架构上提1653供完整业务智能功能的解决方案。它可以提供无缝密合的报表、分析、记分卡、仪表盘等解决方案，通过提供所有的系统和资料资源，以简化公司各员工处理资讯的方法。 简单的说，cognos就是BI工具，报表工具。
<qq_33601965> 在 上传 | 大小：15360

[机器学习] 朴素贝叶斯算法实现(使用MNIST数据集)_Python环境

说明：使用朴素贝叶斯算法实现MNIST数据集的训练预测，精度较高，主要是参考统考学习李航一书和github上相关作者思路进行实现。
<cykac1998> 在 上传 | 大小：13631488

[机器学习] Word2vec-OpenSourceReading-master.zip

说明：zhiyong大侠针对word2vec c版本代码所做的源码分析，非常细致，强烈推荐。 如果能够结合其博客阅读，更加理想。
<weixin_47364682> 在 上传 | 大小：17408

[机器学习] mnist数据集.zip

说明：MNIST手写字符数据集，解压后为npz格式，大小约为11MB，可供大家用以Python在机器学习方面进行学习和测试等内容。
<weixin_46348799> 在 上传 | 大小：10485760

[机器学习] 第二章_机器学习基础.pdf

说明：机器学习起源于上世纪50年代，1959年在IBM工作的Arthur Samuel设计了一个下棋程序，这个程序具有学习的能力，它可以在不断的对弈中提高自己。由此提出了“机器学习”这个概念，它是一个结合了多个学科如概率论，优化理论，统计等，最终在计算机上实现自我获取新知识，学习改善自己的这样一个研究领域。机器学习是人工智能的一个子集，目前已经发展出许多有用的方法，比如支持向量机，回归，决策树，随机森林，强化方法，集成学习，深度学习等等，一定程度上可以帮助人们完成一些数据预测，自动化，自动决策，最优化
<hkd_ywg> 在 上传 | 大小：9437184

[机器学习] 元学习 概要.pdf

说明：Meta-learning, or learning to learn, is the science of systematically observing how different machine learning approaches perform on a wide range of learning tasks, and then learning from this experience, or meta-data, to learn new tasks much faster
<mfysxf> 在 上传 | 大小：396288